深扒 DeepSeek Harness 客户端，我发现了不得了的东西

cxuan 2026-09-26 08:54 1

又是熟悉的套路，在官方还没发布声明的时候，网友就直接把 DeepSeek Harness 桌面端给扒出来了。

然而就在网友扒出来之后，一夜之间。DeepSeek Harness 又更新了一版，现在的版本是 0.1.7-rc.2 了。

我看了下时间，在昨天 11 点左右，DeepSeek Harness 还在发布新版包。

我马上下了一波新版的 DeepSeek Harness 桌面端用了一下。

装完我我看了一眼，1GB。。。

对于一个套壳 UI 来说，1 GB 算不算大？

我们来对比一下。

我在这台 Mac 上用 du -sh 对比了一下，ZCode 是 736 MB。Codex 占用的大小是 1.3 GB。

所以 DeepSeek Harness 的 1GB 算不算大？我觉得算。

但我翻了一下安装目录，它还真不只是套了层 UI：Electron 框架占约 285 MB，内置的 Node、Python 和 pnpm 运行环境占约 378 MB，打包的 dsh 相关文件又占约 214 MB。

它在完整 Web 应用外加了一层 Electron 壳，并把运行环境一起带上了。省掉了自己装环境、起 Web 服务的步骤，代价就是应用确实不小。

打开客户端会先进入登录或 API Key 配置引导；我这次选了直接登录。

登录完成后进入 Harness 主页，这个主页面看起来和市面上三方的 DeepSeek Harness 桌面端没啥区别。

默认的官方插件就这七个。

仔细看一眼这张图，虽然列表里只有七个，但官方其实把它们分成了两拨。

前面三个带 Experimental 蓝标的是 0.1.7 刚塞进来实验性东西，而后面四个则是 DSH 常驻的插件。

我挨个扒了一下它们背后的源码和作用。

Agent Teams（多智能体团队协作）

以前我们在 Harness 里开 Subagent，本质上是**“包工头派活给临时工”**的上下级单向调用，主 Agent 派发任务，子 Agent 跑完之后交完差就完事儿了，子 Agent 之间互相不知道对方的存在。

但打开 Agent Teams（对应底层包 @deepseek-ai/dsh-experimental-agent-team-profile）之后，它会直接解锁 成员花名册（Member Roster）、持久化对等邮箱（Durable Peer Mailbox）和共享任务看板（Shared Task Board）。

多个 Agent 成了平级队友（Teammates），能互相发消息催进度、在同一个 DAG 任务看板上认领卡片协同干活。

Auto Authorization Review（Auto 权限的 AI 纪检委）

我估计大家平常用的时候没人用 Auto 模式了吧，都直接 Full Access 直接拉满跑，用一秒 Auto 就是对 AI 的不尊敬？删库？不存在的，跑路？更不存在的。

但这个模式是偏偏为了 Auto 模式来设置的。

这个插件就是在 Auto 模式下加了一道 Per-tool 模型审查闸。

每次调用原生工具（包括 PTC 脚本内部的每次调用）之前，都会先由模型评估一次权限风险：普通项目内读写直接放行；碰上删除、外发、改权限这类操作，就按风险和当前授权决定放行还是拦截。处在 ask 策略时，被拒绝的调用会交给你拍板；

Voice input（本地 SenseVoice 语音输入）

写复杂任务背景最烦的就是敲几百字长文。这个插件（@deepseek-ai/dsh-experimental-voice-input-bundle）直接集成了阿里开源的 SenseVoice 本地语音识别模型。第一次启动的时候它会自动拉取本地依赖，之后直接在对话框录音就能本地转文字，不用走云端接口，响应非常快。

这里不得不说一句，阿里开源的 SenseVoice 做的确实顶，让 DSH 都直接集成了。

Shell（命令超时与输出限流）：用来限制单条终端命令能跑多久（Timeout），底层配合 dsh-spill 溢出落盘策略，防止一条死循环命令或者几万行构建日志直接把上下文撑爆。

Agent loop（执行循环控制）：控制 Agent 每一轮如何调度和分发工具调用。

Subagent（子智能体防套娃与模型分流）：这个非常实用，点进去可以设置 子智能体的最大递归深度（防止子 Agent 无限套娃再生孙子 Agent）、最大并发数，以及单独给 Subagent 指定模型—比如主 Agent 用推理强的满血模型做规划，打杂的 Subagent 换成便宜快速的轻量模型省 Token。

这种方式我在之前我的文章中提到太多次了，提的我嘴都秃噜皮了。

Web search（官方原生联网搜索）：底层对应 @deepseek-ai/dsh-web-search-deepseek。桌面端内置了官方搜索 Provider。

再看一眼 Agent 预设模式（Agent presets），内置的还是原来那四种：

Standard mode（标准模式）：功能完整的编码 Agent，支持文件编辑、Shell、文件/网页检索、Skills、计划、目标、子代理和工作流。

PTC mode（程序化工具调用）：具备标准模式全部能力，通过 Code Mode SDK 让模型用一个 TypeScript 程序组合多步操作。

Minimal mode（极简模式）：只留一个最纯粹的终端工具，用来跑硬核 Benchmark 来测试一波模型裸实力；

Creator mode（创造模式）：底层直接打通 Cordis，让你通过对话让 Agent 自己写插件、改 UI。

看到这儿的时候，我心里其实犯了个嘀咕：

既然 UI 界面、7 个官方插件、4 种模式都跟 WebUI 一脉相承，那前文提到的那个高达 378MB 的 runtime 运行环境（尤其是里面塞的 Python 环境），到底干嘛使的？毕竟 DeepSeek Harness 本身是个纯 Node.js 项目，只要有 Node 就能跑起来，根本用不着 Python。

出于好奇，我直接看了 /Applications/DeepSeek Harness.app/Contents/Resources 目录，把它的 runtime 文件夹和 117MB 的 app.asar 源码包彻底扒了一遍。

这一扒不要紧，我发现 DeepSeek 这次在桌面端底下藏的东西，比界面上看到的多多了。

一、深扒 378MB 的 runtime

我先打开了安装目录下的 runtime/primary-runtime/runtime.json，一眼就看到了里面预置的清单：

破案了！DeepSeek 官方在内置的环境里，提前给你把很多环境全都打包预装好了！

顺着这个，还有一个专门的 runtime/office-skills 文件夹，里面躺着三个官方内置 Skill 和一个 13KB 的校验脚本：

runtime/office-skills/

├── office-docx/SKILL.md      # Word 文档读写与排版规范

├── office-pptx/SKILL.md      # PPT 幻灯片与原生图表生成规范

├── office-xlsx/SKILL.md      # Excel 公式、样式与 pandas 数据分析规范

└── scripts/check_office.py   # OOXML 结构与内容完整性自动校验脚本

还记得我上一篇测评三方 DSH Desktop 的时候，夸他们团队在桌面端里自己加了个做 PPT 的插件吗？

结果这次 DeepSeek 官方直接在底座里把 Word、Excel、PPT 三件套做成了出厂设置。

我把这几个 SKILL.md 和 app.asar 里的 @deepseek-ai/dsh-office-to-pdf 源码连起来读了一遍，发现官方设计了一套非常严密的五步办公交付流水线：

零配置挂载环境：

以前我们让本地 Agent 做个 Excel 报表或者 PPT，Agent 第一步往往是去终端跑 pip install openpyxl python-pptx，经常因为本机 Python 环境混乱、缺编译依赖或者网络超时直接报错卡死。现在官方专门提供了一个 load_workspace_dependencies 工具，Agent 直接挂载安装包内只读的 Python 3.12 环境，0 秒启动，绝对不碰你电脑原本的系统环境。

代码生成原生可编辑文档：

在官方 SKILL.md 里明确规定：禁止用凑数的截图糊弄，必须用 python-pptx / openpyxl 生成带原生可编辑图表、保留公式（data_only=False）和东亚字体声明（w:eastAsia）的源文件。

OOXML 结构自动质检：

文件生成完还不算完，Agent 会自动调起内置的 check_office.py，对 .docx/.pptx/.xlsx 的底层 ZIP/XML 命名空间、幻灯片页数（--count）、关键文本（--contains）做一遍静态结构检查。

LibreOfficeKit 视觉渲染自检：

这是最绝的一步，安装包里还集成了 @deepseek-ai/libreoffice-kit。Agent 会把刚刚生成的 PPT 自动渲染成 144 DPI 的高清预览图或 PDF：
```
"<node>" "<cli>" render --input report.pptx --output-dir preview-v1 --pages 1,3,4 --dpi 144
```
如果当前挂载的模型支持视觉输入（Vision），Agent 会自己看一眼渲染出来的幻灯片图片，检查有没有文字超出边界、排版错位、对比度看不清或者缺字体，发现瑕疵自己改代码重新生成！

专属交付面板：

全部校验通过后，会把最终文件推到聊天窗口的 Deliverables（交付物） 面板里让你能够一键打开。

说白了，那多出来的 378MB 运行时，实际上是把办公套件直接焊死在桌面端底座上了。

让普通人装上客户端，不用配置任何 Python ，张嘴来就能让 DeepSeek 直接出一波排好版的 Work、Excel 和 PPT ，职场杀手了属于是。

同样的，我来实测了一把。

还是上次和 DSH Desktop 相同的测试，做了一下青甘大环线的自驾旅行计划，来看一下效果。

打开方式我很喜欢，keynote 、ima 、WorkBuddy 等都是常用的终端。

同样的我先截两张图方便看。

二、深扒 app.asar 依赖表，我还发现 3 个神器

除了外显的插件和内置的 Office 技能，我把 app.asar 里的 /dsh/package.json 顺序撸了一遍，发现有 3 个神器值得聊一下。

1. 复用 Claude Code 与 Codex 的 Hooks 配置

在依赖列表里，赫然躺着这两个包：

@deepseek-ai/dsh-hooks-claude-code

@deepseek-ai/dsh-hooks-codex

看了一下两边的源码注释：它们都是把现有命令 Hooks 接到 DeepSeek Harness 的拦截点上。

说人话就是：如果你以前是 Claude Code 或者 OpenAI Codex 的老用户，你在项目里写好的那些 hooks.json 拦截规则，配好配置路径后，支持的命令 Hook 不用重写就能接进 DeepSeek Harness！

这波跨生态属实是把开发者心理拿捏透了。

2. 防长上下文降智的 tool-ralph（Ralph Loop）

依赖里还新增了 @deepseek-ai/dsh-tool-ralph 和 @deepseek-ai/dsh-goal。

平时关注海外 Agent 圈的朋友看到 ralph 这个名字应该会会心一笑，这就是今年大火的 Ralph Loop 循环架构。

它的原理在源码注释里写得非常直白：

A fixed script starts one fresh structured-output child per round, carrying only the immutable objective and the previous bounded handoff between them.

以前让单个 Agent 连续跑几十轮大工程，跑到后半段上下文塞满了报错日志和历史废话，模型就会开始失忆或者降智。而 tool-ralph 的做法是：每一轮迭代都强行拉起一个全新的、上下文干干净净的子 Agent（Fresh Agent），上一轮跑完只留下一份浓缩的交接单和最初不可变的总目标传给下一棒。

就像接力赛一样，保证每一棒干活的 Agent 脑子都是最清醒的。

3. 右侧边栏多标签终端

0.1.7 还在桌面端右侧边栏直接集成了一个多标签终端面板。Agent 在左边改代码的时候，你不用切出窗口去开 iTerm2，直接在右侧边栏就能开个 Shell 跑命令验证，工作流闭环舒服了很多。

我还记得我之前推荐过一款 DSH 的插件就是这个 dsh-sidebar ，官方一出，三方插件估计直接 G 了。

所以 DSH 的 Cordis 插件系统，它的优势我到目前为止还没看懂，我只看到了每次一更新，三方插件直接死一堆。

对过去的 token 说 bye bye，对以后的 token 说 hi hi 。

三、灵魂拷问

我相信大部分小伙伴都会有下面这个灵魂拷问。

既然官方桌面端来了，三方的 DSH Desktop 还要留着吗？

既然我之前给大家深度评测并画过三方开源项目 DSH Desktop的技术架构，今天又拆了 DeepSeek 官方桌面端，肯定有小伙伴要问：

两边底层跑的都是同一个 Harness，到底有啥区别？三方版是不是可以直接卸载了？

于是我给大家对比了一下。

通过上面的横向对比，其实一眼就能看出两边的路线差异：官方桌面端走的是重底座、强管控路线，而社区版 DSH Desktop 走的是轻底座、强外围生态路线。

所以结合上面的对比图和底层设计，我的建议是这样的：

如果你想要最省心、最安全的原生底座，想直接用 DeepSeek 账号登录，而且平时经常让 AI 清洗 Excel 数据、写 Word 报告、生成可编辑 PPT，那么官方桌面端那套 378MB 的 Python + Office + LibreOffice 质检闭环绝对是首选；联网搜索另需配置可用的 DeepSeek API Key。

但如果你是个喜欢抄作业、折腾花活的玩家，想打开 Awesome Presets 挑配方并导入、想点点鼠标逛 dsh-market 社区插件市场，或者需要出门在外用手机远程连回家里的电脑看任务进度，那么三方的 DSH Desktop 目前在社区生态体验上依然有着官方版没做的优势。

四、写在最后

一个月前刚开源的 DeepSeek Harness，本质上是一个做给极客和框架开发者看的“乐高底座”，虽然“一切皆插件”的架构虽然漂亮，但普通人连装 Node、配 Python 库、跑通第一个脚本这一关都过不去的话，那么它的普适性不会太高。

而这次这个 1GB 的官方桌面端，表面上看只是给 WebUI 套了个 Electron 壳，实际上是 DeepSeek 把 Node 24 + Python 3.12 + Pandas/Office 全家桶 + LibreOffice 渲染引擎 + 官方账号与联网服务全部封进了一个开箱即用的黑盒子里。

从极客的命令行玩具，到自带全套办公环境的桌面数字员工，DeepSeek 这一步棋，走得确实既隐蔽又果断。

DeepSeek 从诞生以来确实给大家带来了足够多的惊喜，希望继续保持，AGI 早晚让你给实现了。

最新回复 (9)